交互与用户体验 / 系统课时
使用口径核对表检查图表数据映射
使用口径核对表检查图表数据映射
同一个业务看板中的 KPI、趋势图和排名图可能使用了不同的统计时间、去重规则或筛选条件,导致数字看似合理却无法相互验证。本课以支付订单看板为例,制作一份可复用的指标映射核对表,并通过具体数值检查数据源、计算口径和图表展示是否一致。
学习目标
- 制作覆盖数据源字段、计算方式、筛选范围、时间粒度和显示格式的图表映射核对表。
- 使用统一的验收样本,交叉验证 KPI、趋势图和分类图的统计结果。
- 识别重复计数、时间错位、筛选遗漏等问题,并记录可追溯的修复与验收结果。
固定可复现的统计基准
假设正在评审一个电商支付订单看板,页面包含支付订单数、支付金额、每日订单趋势和门店订单排行。所有图表应基于同一套业务定义,而不是由各图表开发者分别决定计算规则。
项目使用示例事实表 fact_order,每行代表一笔订单,包含以下字段:
| 字段 | 含义 | 核对重点 |
|---|---|---|
order_id |
订单唯一标识 | 是否按订单去重 |
store_id |
所属门店 ID | 是否使用相同门店范围 |
paid_at |
支付成功时间 | 是否统一时区和时间边界 |
pay_amount_cent |
支付时实收金额,单位为分 | 是否正确换算为元 |
is_test |
是否为测试订单 | 是否排除测试数据 |
假设时间字段以 UTC 存储,页面使用北京时间。先在核对表顶部固定以下统计口径:
- 统计周期:2026 年 9 月 1 日 00:00(含)至 10 月 1 日 00:00(不含)。
- 业务时区:
Asia/Shanghai,筛选边界和按日分组必须使用同一时区。 - 统计范围:门店
101、102、103,仅包含paid_at非空且is_test = false的订单。 - 去重单位:一笔订单只计算一次。如果关联商品明细表,应防止一笔订单被多条商品记录重复计数。
- 金额口径:使用支付时的实收金额,除以 100 转换为元;后续退款单独统计,不直接改变原始支付金额。
逐图填写指标映射核对表
核对表应做到每一行对应一个图表或 KPI,明确它读取什么字段、如何计算、受哪些筛选影响,以及最终显示成什么格式。
下面是一份已经填写完成的示例,可以复制到项目评审文档中使用。
| 图表 | 来源字段与计算 | 筛选与统计粒度 | 验收值及显示格式 |
|---|---|---|---|
| 支付订单数 KPI | fact_order.order_id;COUNT(DISTINCT order_id) |
全部门店;按支付时间统计整月 | 3,200 单;整数、千位分隔符 |
| 支付金额 KPI | fact_order.pay_amount_cent;SUM(pay_amount_cent) / 100 |
与订单数 KPI 相同 | ¥480,000.00;人民币、两位小数 |
| 每日订单趋势 | paid_at、order_id;按本地日期分组后去重计数 |
相同支付时间范围;日粒度 | 横轴 09-01 至 09-30;纵轴单位为单 |
| 门店订单排行 | store_id、order_id;关联 dim_store.store_name;按门店去重计数 |
相同时间及测试订单规则;门店粒度 | A店 1,500、B店 1,000、C店 700;降序排列 |
这里假设 dim_store 是以 store_id 为唯一键的门店维表,且每个门店只对应一个名称。关联前应检查维表唯一性,避免一对多关联放大订单数量或金额。
同一指标被多张图表复用时,应该引用统一的指标定义。例如支付订单数 KPI、每日趋势和门店排行虽然分组维度不同,但底层都应使用相同的订单过滤规则和去重计数方法。

图中的关系还揭示了一项重要检查:不同图表可以改变分组方式,但不能在未说明的情况下改变同一指标的统计口径。
例如,趋势图将订单按天拆分,排行图将订单按门店拆分。只要两者使用相同的统计范围、没有重复计数且维度覆盖完整,将各组数值求和后都应该回到订单数 KPI。
使用验收数字执行交叉检查
假设已经冻结一份用于验收的 2026 年 9 月数据快照,其中有 3,200 笔有效支付订单,支付金额合计为 480,000 元。所有核对都基于这份快照完成,避免实时新增订单影响比较结果。
首先检查不同维度的汇总结果。
| 检查项目 | 预期结果 | 通过条件 |
|---|---|---|
| 支付订单数 KPI | 3,200 单 | 与订单级去重结果一致 |
| 每日趋势合计 | 3,200 单 | 30 个日期点的数值之和等于 KPI |
| 门店订单合计 | 1,500 + 1,000 + 700 = 3,200 单 | 三家门店合计等于 KPI |
| 支付金额 KPI | 480,000 元 | 与订单级实收金额之和一致 |
| 平均每笔支付金额 | 480,000 / 3,200 = 150 元 | 可以通过金额和订单数独立复算 |
接着检查时间边界,而不只是比较合计。
假设有两笔订单的 UTC 支付时间分别为 2026-09-30 15:59:00 和 2026-09-30 16:00:00。转换为北京时间后,前者属于 9 月 30 日 23:59,应计入九月;后者属于 10 月 1 日 00:00,不应计入九月。
如果筛选使用北京时间,而分组直接截取 UTC 日期,就可能出现月度 KPI 正确、日趋势日期错位的问题。因此要同时检查总数、日期归属和起止边界。
再检查筛选作用域。将页面级门店筛选由全部门店切换为门店 101 后,在该验收样本中,支付订单数 KPI 应显示 1,500 单,每日趋势合计也应为 1,500 单,门店排行只保留门店 101。如果某张图仍显示 3,200 单,说明它没有继承相同的页面筛选条件。
识别典型映射错误并修正
实际评审中,最常见的偏差集中在数据粒度、计算字段和筛选继承三个位置。
| 发现的问题 | 常见原因 | 修正方式 |
|---|---|---|
| KPI 为 3,200,商品明细关联后的统计为 3,450 | 对订单商品行直接使用 COUNT(*) |
回到订单粒度,使用订单唯一标识去重 |
| 支付金额明显高于订单级总额 | 一笔订单金额被多条商品明细重复累加 | 先在订单粒度聚合,再关联需要的维度 |
| 月度总数正确,日趋势日期异常 | 使用 UTC 日期分组,未转换业务时区 | 统一将支付时间转换为北京时间后分组 |
| 门店筛选后某图表数值不变 | 图表使用独立查询,遗漏全局筛选 | 将页面级筛选应用到对应查询 |
数据正确,但显示为 480,000 而没有单位 |
显示配置遗漏币种和单位 | 明确设置元、人民币符号及小数位数 |
这里还要区分两类差异:一种是真正的统计错误,另一种是业务口径不同。
例如支付订单数与未退款订单数本来就不是同一个指标。前者包括后来发生退款的支付订单,后者可能需要根据退款状态或退款数量进一步扣减。遇到这种差异,应先确认指标名称与定义,而不是强行调整图表数字使它们相等。
记录核对结论并交付看板
核对表不能只保留一列“正确”或“错误”。至少应为每项映射记录图表标识、指标定义版本、数据快照时间、预期值、实际值、差异、负责人和复核状态。
例如,某次初审发现门店排行合计为 3,450 单,而支付订单数 KPI 为 3,200 单。可以填写如下缺陷记录:
| 字段 | 记录内容 |
|---|---|
| 图表标识 | store-order-ranking |
| 指标定义 | 支付订单数,订单级去重 |
| 验收范围 | 2026 年 9 月,门店 101/102/103 |
| 预期值 | 3,200 单 |
| 实际值 | 3,450 单 |
| 差异 | +250 单 |
| 原因 | 商品明细关联导致订单重复计数 |
| 修复措施 | 先按订单唯一标识去重,再按门店聚合 |
| 复核状态 | 待复测 |
修复后不能只将状态直接改为“通过”,而应重新执行三个动作:核对门店排行合计、核对每个门店的分组值、重新切换页面筛选确认图表同步更新。通过后记录新的实际值及复核人员。
正式交付前,建议将以下条件设为评审通过标准:
- 每张图表都有明确的数据源、字段、计算方式、分组维度和筛选口径。
- 共享指标的跨图表汇总差异为零;任何业务定义上允许的差异都有明确说明。
- 时间边界、缺失日期、空数据和筛选切换都已验证,不把缺失数据错误表示为真实零值。
- 图表单位、数字精度、日期格式及指标名称与口径定义一致。
- 所有缺陷均有修复结果和复核记录,数据快照与指标定义版本可以追溯。
这样交付的核对表既是设计评审依据,也可以直接成为开发联调和上线回归测试的验收清单。后续更换数据源、修改指标算法或新增筛选条件时,只需定位受影响的映射行并重新执行对应检查。